Si seguimos el veredicto de la Inteligencia Artificial, este año España tampoco ganará Eurovisión 2018, según se desprende del análisis de millones de datos procesados por un sistema de Inteligencia Artificial desplegado por por Paradigma Digital multinacional española especializada en la transformación digital de las empresas.
Según las predicciones, Amaia y Alfred, que durante las dos últimas semanas estaban dentro del Top10, finalmente dejarían a nuestro país en el 12º puesto del ranking. Los pronósticos apuestan por Chipre como el ganador del festival en esta edición que irrumpió con fuerza en los últimos días desbancando a los representantes de Israel que habían copado el primer puesto desde hace más de diez días pero que, según la Inteligencia Artificial, acabarán cuartos. El Top 5 del ranking estaría compuesto por Chipre, Noruega, Francia, Israel y República Checa.
Pero ¿cómo funcionan los sistemas inteligentes basados en Inteligencia Artificial o Machine Learning? ¿Cómo elaboran las predicciones los algoritmos de estas tecnologías? ¿Cómo se organiza el gran volumen de datos que se genera en un análisis de este tipo?
“La Inteligencia Artificial ya no es solo una revolución tecnológica que está al servicio de grandes compañías e instituciones, es un gran avance que ya está presente en la vida del ciudadano, del usuario, del consumidor para hacerle la vida más fácil en muchos ámbitos de su día a día, ayudándole, por ejemplo, en la toma de decisiones. Si tenemos datos que nos guían y están apoyados en un gran porcentaje de fiabilidad, ¿por qué no usarlos y dejar de lado la intuición?”, apunta Manuel Zaforas, responsable de Inteligencia Artificial en Paradigma Digital.
En este caso en concreto se ha empleado tecnología Big Data para recopilar grandes cantidades de información histórica y en tiempo real relacionada con Eurovisión. Se han usado grandes cantidades de datos para entrenar modelos inteligentes que aprendan de tendencias y patrones en los datos. Estas nuevas técnicas de aprendizaje automático tienen aplicaciones en multitud de áreas y negocios donde podemos extraer conocimiento y conclusiones de los datos.
Para alimentar estos modelos las principales fuentes que han utilizado han sido redes sociales como Twitter y Youtube, en las que para la extracción de datos se han usado técnicas de scraping y acceso a través de APIs en la nube. También se han tomado como referencia datos históricos sobre los resultados de los últimos 26 años, datos sociodemográficos y datos abiertos disgregados y disponibles en Internet conocidos como “open data”.
